[pt] Um sistema de ar condicionado utilizando energia solar é testado para determinação da energia necessária para a regeneração do TEG (trietileno glicol) e do valor do Coeficiente de Desempenho (C.0.P.). É determinada experimentalmente a influência das variáveis temperatura de regeneração e concentração no valor do C.O.P. São feitas várias experiências para se determinar as condições ótimas de operação do sistema. É também analisada uma correlação para determinação do coeficiente global de transferência de massa (hD AV), como função das vazões de ar e da solução aquosa de trietileno glicol (TEG) nas torres de secagem do ar e regeneração do TEG. / [en] A Solar Air Conditioning System has been tested to determine the energy that is required to regenerate the triethylene glycol so1ution (TEG) and to measure the coefficient of performance (COP). The dependence of the coefficient of performance (COP) on the regeneration temperature and concentration is experimentally determined. Several measurements were performed to determine the optimum operation conditions for the system. This work also analyses a correlation for the mass transfer coefficient (hD AV), as a function of air flow rate and tri-ethylene glycol solution flow rate at the drying tower and the regenerating tower, respectively.

[pt] O setor elétrico brasileiro é fortemente dependente da energia hidrelétrica e a predição acurada das séries de vazões é essencial para o planejamento e gestão de risco. Recentemente, os modelos híbridos, que combinam técnicas de previsão e pré-processamento de dados, têm se destacado. Entretanto, na literatura, não há consenso sobre a superioridade de previsão destes modelos em relação aos tradicionais (puros). Este trabalho visa contribuir para literatura com a avaliação de performance de previsão e a adequabilidade de modelos puros e híbridos para séries mensais estacionárias e não estacionárias de vazões. Para isso, foram construídos modelos usando as técnicas de previsão de Redes Neurais Artificiais e ARIMA acoplados com as técnicas de pré-processamento de dados Singular Spectrum Analysis (SSA) e Seasonal and Trend decomposition based on Loess (STL). Como resultado, este estudo mostra para a série de Belo Monte (estacionária) os modelos puros obtiveram um melhor desempenho, já para a série de Sobradinho (não estacionária) os modelos híbridos foram os melhores. / [en] The Brazilian electricity sector is strongly dependent on hydropower and the accurate prediction of streamflow series is essential for planning and risk management. Recently, hybrid models, which combine prediction and data preprocessing techniques, have stood out. However, in the literature there is no consensus on the predictive superiority of these hybrid models versus their pure version. This paper aims to contribute to the literature with the evaluation of prediction performance suitability of pure and hybrid models for monthly stationary and non - stationary series of streamflow. For this, models were constructed using Artificial Neural Network and ARIMA forecasting techniques coupled with the Singular Spectrum Analysis (SSA) and Seasonal and Trend decomposition based on Loess (STL) data pre-processing techniques. As a result, this study shows that pure models obtained a better performance for the Belo Monte (stationary series), already hybrid models were the best for the Sobradinho (non-stationary series).